4月7日消息,米拉·乔沃维奇(Milla Jovovich)——《生化危机》系列电影中爱丽丝的扮演者——在GitHub上开源了MemPalace,一个基于古希腊轨迹记忆法(Method of Loci)的AI记忆系统。该项目在LongMemEval基准测试中取得了100%的R@5满分(混合模式),纯本地模式也达到96.6%,均为已公开发表的最高分。完全本地运行,MIT许可,无需API Key,无需云服务。
起因:六个月的AI对话记忆全部丢失
乔沃维奇在项目说明中描述了一个每个重度AI用户都面临的问题:与AI的每一次对话——每个决策、每个调试过程、每个架构讨论——在会话结束时全部消失。六个月的日常AI使用约产生1950万token的对话内容,其中包含大量决策推理、方案取舍和失败经验,全部困在不断蒸发的聊天窗口里。
现有的记忆方案让AI自行决定什么值得记住。AI提取出"用户偏好Postgres"这样的片段,但丢弃了你解释为什么选Postgres的那整段对话。MemPalace采取了相反的策略:存储一切,然后让它可被找到。
核心设计:记忆宫殿的空间结构
古希腊演说家通过将想法放置在想象建筑的不同房间中来记忆整篇演讲——走过建筑就能找到想法。MemPalace将同样的原理应用于AI记忆。
结构分为五个层级:Wings(翼)对应人物或项目;Rooms(房间)是翼内的具体话题如认证、计费、部署;Halls(走廊)连接同一翼内相关的房间;Tunnels(隧道)跨翼连接——当同一个"auth-migration"房间出现在不同翼中时,隧道自动建立交叉引用;Closets(壁橱)存储AAAK压缩后的记忆,Drawers(抽屉)保存原始逐字记录。
这不是装饰性的组织方式。在22000+真实对话记忆上的测试显示,搜索所有壁橱的检索率为60.9%,限定到翼内搜索提升到73.1%,翼+走廊84.8%,翼+房间94.8%——空间结构本身带来了34%的检索提升。
AAAK压缩:30倍无损压缩,任何模型可读
AAAK是专为AI代理设计的无损速记方言,实现30倍压缩且零信息丢失。关键在于:它不需要解码器、不需要微调、不需要云API。任何能读取文本的模型——Claude、GPT、Gemini、Llama、Mistral——都可以直接理解AAAK,因为它本质上是带有通用语法规则的结构化文本。 实际效果:描述一个五人团队及其当前项目状态,英文约需1000 tokens,AAAK约120 tokens。AI在唤醒时加载约170 tokens的AAAK关键事实即可了解用户的整个工作世界。按此计算,记住一切的年成本约$10(170 tokens唤醒+按需搜索),而传统LLM摘要方案年成本约$507且会丢失上下文。
基准测试:首个满分
在标准学术基准上的测试结果:LongMemEval R@5纯本地模式(ChromaDB,零API调用)96.6%,混合模式(加Haiku重排序)100%(500/500满分)。LoCoMo R@10会话级60.3%。宫殿结构对检索率的提升+34%。
对比已发表的其他系统:Supermemory ASMR约99%(需API),Mastra 94.87%(需GPT API),Mem0约85%($19-249/月),Zep约85%($25/月起)。MemPalace的96.6%纯本地分数是已公开发表的、不需要任何API Key、不需要云服务、不需要LLM参与的最高LongMemEval结果。基准测试可在benchmarks/目录下完整复现。
四层记忆栈与MCP集成
记忆系统分四层加载:L0身份层(约50 tokens,始终加载)、L1关键事实层(约120 tokens AAAK,始终加载)、L2房间回忆层(按需,当话题出现时加载)、L3深度搜索层(按需,跨所有壁橱的语义查询)。AI唤醒时只加载L0+L1共约170 tokens即知道用户的整个世界,搜索仅在需要时触发。
MCP服务器暴露19个工具,一行命令即可连接Claude Code:claude mcp add mempalace -- python -m mempalace.mcp_server。之后用户只需用自然语言提问,Claude自动调用mempalace_search获取结果。对于不支持MCP的本地模型,可通过mempalace wake-up导出上下文注入系统提示,或通过CLI搜索后喂入提示。 知识图谱与矛盾检测
MemPalace内建时间实体关系图谱(类似Zep的Graphiti但用SQLite替代Neo4j,完全本地免费)。事实有时间有效窗口——当某事不再为真时可以使其失效,当前查询不再返回过期事实但历史查询仍可追溯。
矛盾检测自动校验新输入与已有知识图谱的一致性:输入"Soren完成了认证迁移"时系统会标红——记录显示该任务分配给Maya而非Soren;输入"Kai在这里工作了2年"会标黄——记录显示3年(2023年4月入职)。年龄、日期和任期动态计算而非硬编码。
安装与使用
依赖极简:Python 3.9+、chromadb≥0.4.0、pyyaml≥6.0。无需API Key,安装后无需联网。
三种挖掘模式:projects(代码和文档)、convos(对话导出,支持Claude、ChatGPT、Slack等5种格式)、general(自动分类为决策、偏好、里程碑、问题和情感上下文)。
专家代理系统
可创建聚焦特定领域的代理,每个代理在宫殿中拥有自己的翼和AAAK日记。代码审查代理记住它见过的每一个bug模式,架构代理记住每一个设计决策,运维代理记住每一次事故。添加50个代理不会增加CLAUDE.md配置的大小——AI在运行时从宫殿中发现其代理。
Letta对类似的代理管理记忆功能收费$20-200/月,MemPalace用一个翼解决。
局限性
项目目前仅11个Star、6次提交,处于极早期阶段。LongMemEval满分的测试集规模为500条查询,在更大规模和更多样化的真实场景中表现需要更多验证。AAAK压缩虽然对AI可读,但对人类完全不可读,调试和手动检查记忆内容的体验较差。宫殿结构的初始设置需要用户手动定义Wings和人物映射,对非技术用户存在门槛。此外,该项目声称与MIT合作开源,但仓库所有者为乔沃维奇个人账号而非MIT组织账号,具体学术合作关系有待进一步确认。
GitHub地址:github.com/milla-jovovich/mempalace,MIT许可。